至顶网计算频道 04月21日 新闻消息(文/李祥敬):IBM公布的第一季度财报收益情况超过了预期,这表明COVID-19大流行的影响尚未触及科技企业的底线——至少现在还没有。
然而这场危机促使IBM撤回了此前公布的2020年全年指引,并表示将“根据第二季度末宏观经济复苏的明朗情况重新评估”。
“撤回指引是一个艰难的决定,但现在还不是时候公布明朗的信息,”两周前刚刚就任的IBM首席执行官Arvind Krishna这样表示。
IBM对未来充满信心,称目前现金状况良好,现金流量为正,经常性收入来源也在增长。但很明显,COVID-19正在改变客户的行为。
Krishna指出:“过去的几周中,我们看到了客户优先级转向保护资本的趋势。”但是他说,从长远来看,这对IBM专注于混合云和人工智能的战略是非常有利的。“当前的危机将使我们加快我们已经在做的事情。”
IBM是该季度第一家公布收益情况的企业级科技公司,投资者对于IBM的业绩也倍加关注,这可能成为未来几周内将要发生的事情的一个预兆。Nucleus Research首席执行官Ian Campbell表示:“很明显,3月份的销售情况受到了影响,而且就我所知,其他人也是如此。”
CCS Insight软件开发研究总监Bola Rotibi表示,估计未来几周将相继公布财报的科技企业也会有类似的情况。“这些企业在该季度初稳扎稳打,在预期的领域实现了增长,但随后在3月,客户转向只关注于保护现金流,我认为这是市场走向的一个风向标。”
Campbell说,从根本上说IBM的竞争地位是稳固的。“几乎所有企业都在寻求节约成本的方法,而IBM正在充分利用这一有利条件。问题是什么时候会发生。”
一个“亮点”
Pund-IT首席分析师Charles King表示,IBM的财报结果是“在这个动荡市场中的一个亮点”,并表示,IBM撤回全年指引是明智的决定。他认为,从长远来看,IBM和其他公司的处境是一样的。“随着客户越来越多地利用云平衡本地数据中心的支出,IBM在云计算方
面的投资,将有助于IBM的繁荣发展。”
该季度,IBM每股收益为1.84美元,比市场平均预期高出4美分。收入同比下降3.3%,至175.7亿美元,略低于分析师预期的176.2亿美元。但是IBM方面表示,如果排除汇率波动和资产剥离的影响,IBM“收入有小幅增长”。
从产品线来看,云和认知计算软件业务收入增长了7%,达到52亿美元,排除汇率波动因素影响。全球商业服务收入增长1%,至41亿美元,全球技术服务收入下降4%,至65亿美元,系统收入增长4%,至14亿美元。
盘后交易中,IBM股票下跌1%多,比2020年的高点157.69美元低20%,但比3月23日的低点90.56美元高出30%多。IBM的股票表现与HPE和戴尔等竞争对手相似,但要差于微软。微软得益于强大的云计算业务,以及投资者对COVID-19大流行加速向远程办公转移可能推进桌面软件业务的预期。
IBM方面表示,软件是未来最大的不确定因素。IBM首席财务官James Kavanaugh表示:“我们有稳定的交易渠道,但软件业务的表现要取决于我们从渠道中能得到多大的收益。”在IBM Z系列大型机增长61%、存储收入增长19%的带动下,该季度服务器和存储销售表现强劲。但是,面向小型企业客户的IBM Power系统销售有所放缓,抵消了这些收益。
和大多数企业转向把云作为收入基础一样,IBM也在从许可证模式转型为订阅软件模式。IBM表示,目前收入中有50%是经常性收入,因此更具可预测性。Nucleus的Campbell认为,“这很好,但坏消息,还有50%不是。”
这个季度是IBM首席执行官在财报电话会议中的首次亮相。过去五年中,前首席执行官Virginia Rometty将这一职责委托给了IBM首席财务官。Pund-IT分析师King认为,这是一个重要的变化。
“Krishna在财报电话会议上表现出的财务透明度给我留下了深刻的印象。他是一位经验丰富、有见识且受人尊敬的高管,在商业成功方面非常资深。”
Krishna在IBM最早是一名工程师,是IBM数十年来第一位来自技术而不是销售或财务背景的首席执行官,这一事实吸引了CCS Insight的Rotibi的关注。她说:“他出现在大家面前,说IBM是一个技术性企业,将继续提高架构实力,我很高兴听到这一点。”
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。